1. PSI 基础概念：定义、推导与监控核心作用
1.1 什么是 PSI？
群体稳定性指标（Population Stability Index，PSI） 是衡量两个样本分布之间差异程度的量化指标。在风控模型监控中，PSI 用于评估模型评分（或关键特征）在 开发样本 与 生产样本 之间的分布偏移程度，是判断模型是否“老化”或“失效”的核心监控工具。
PSI 的数学本质是 信息论中的 KL 散度（Kullback-Leibler divergence）的对称化变体，它同时考虑了实际分布（生产）对期望分布（开发）的偏离，以及期望分布对实际分布的偏离，从而得到一个对称且稳定的分布差异度量。
💡 直观理解： 如果把模型开发时的评分分布比作“标准尺子”，那么 PSI 就是测量生产环境中这把“尺子”是否被拉伸、压缩或平移的“卡尺”。PSI 越大，说明生产分布与开发分布差异越大，模型失效风险越高。
1.2 PSI 数学公式推导
PSI 的计算基于将连续变量（如模型评分）分箱后的频数分布。假设将评分划分为 n 个区间（通常为 10 或 20 等分位箱），则 PSI 公式如下：
PSI = Σ (实际占比_i - 期望占比_i) * ln(实际占比_i / 期望占比_i)
其中：
- 期望占比_i = 开发样本中落在第 i 个箱子的样本比例
- 实际占比_i = 生产样本中落在第 i 个箱子的样本比例
- ln 为自然对数
- i = 1, 2, ..., n（箱子编号）推导步骤说明：
- 分箱： 将模型评分按等频或等距方式划分为 n 个区间（通常 10 箱）。
- 计算期望占比： 统计开发样本在每个箱子的占比，记为 E_i。
- 计算实际占比： 统计生产样本在每个箱子的占比，记为 A_i。
- 计算每个箱子的贡献： 对每个箱子计算 (A_i - E_i) * ln(A_i / E_i)。
- 求和： 将所有箱子的贡献值相加，得到最终的 PSI 值。
⚠️ 注意事项： 当某个箱子的期望占比 E_i 为 0 时，公式中的对数项无定义。实际处理中，通常对占比进行平滑处理（如加极小值 0.0001），或确保分箱时每个箱子在开发样本中都有样本。
1.3 PSI 在风控模型监控中的核心作用
PSI 是风控模型监控体系中 最基础、最广泛使用的指标，其核心作用体现在以下四个维度：
| 作用维度 | 具体说明 | 监控频率 |
|---|---|---|
| 模型稳定性监控 | 检测模型评分分布是否发生显著偏移，判断模型是否因客群变化、政策调整或数据质量下降而失效 | 每日 / 每周 |
| 特征漂移预警 | 对每个入模特征计算 PSI，定位导致模型不稳定的具体特征，辅助特征工程迭代 | 每周 / 每月 |
| 阈值调优依据 | 通过历史 PSI 分布统计，设定合理的告警阈值（如 PSI > 0.1 触发警告，PSI > 0.25 触发重训） | 按需（模型上线前设定） |
| 模型生命周期管理 | 作为模型退役或重训的量化决策依据，避免主观判断，实现数据驱动的模型治理 | 每月 / 每季度 |
1.4 PSI 计算与监控流程
下图展示了 PSI 在风控模型监控中的完整计算与告警流程：
1.5 PSI 阈值参考标准
在风控模型监控实践中，PSI 的阈值通常参考以下行业通用标准（需根据业务场景微调）：
| PSI 范围 | 稳定性等级 | 建议操作 |
|---|---|---|
| PSI < 0.1 | 稳定 | 无需干预，持续监控 |
| 0.1 ≤ PSI < 0.25 | 轻度漂移 | 发出警告，排查特征分布变化，准备模型重训 |
| PSI ≥ 0.25 | 严重漂移 | 立即告警，暂停模型使用，启动紧急重训或回滚 |
📊 关键结论： PSI 是风控模型监控的“第一道防线”。通过定期计算 PSI 并设定合理的告警阈值，可以及时发现模型因客群偏移、数据质量变化或外部环境改变导致的性能衰退，从而保障风控系统的稳定性和可靠性。